不跟英偉達走老路，這家GPU公司的技術架構藏著哪些關鍵解？

采訪嘉賓 | 天數智芯 AI 與加速計算技術負責人單天逸

作者 | 凌敏

對于國產 GPU 行業來說，沒有哪個時間節點比當下更寶貴。在政策支持硬科技企業上市的背景下，國產 GPU 迎來了難得的上市黃金窗口期。但上市并非終點，在敲鐘的那一刻，下一戰場大幕已經拉開——GPU 廠商的技術路線、產品能力和長期判斷，被放到了更公開也更嚴苛的舞臺上，誰能撐起資本市場和大眾期待，誰就能撐起市值。

這也是為什么，天數智芯上市后的首場發布會能夠在業內形成廣泛討論。它以極其務實的工程師表達方式，把架構放回到國產 GPU 技術敘事的中心。在 1 月 26 日召開的天數智芯“智啟芯程”合作伙伴大會中，圍繞架構層的創新與思考占據了相當比重。基于這些創新點與思考，天數智芯公布了過去一代以及未來三代的架構路線圖：

• 2025 年，天數天樞架構已經超越英偉達 Hopper，在 DeepSeek V3 場景中實測性能數據超出 20%；

• 2026 年，天數天璇架構對標 Blackwell，新增 ixFP4 精度支持；

• 2026 年，天數天璣架構超越 Blackwell，覆蓋全場景 AI/ 加速計算；

• 2027 年，天數天權架構超越 Rubin，支持更多精度與創新設計。

1 國產 GPU，開啟 AI++ 計算新范式

根據天數智芯公布的架構路線圖及階段發展目標，在 2027 年之前，天數智芯將通過多代產品完成對英偉達的追趕；在 2027 年之后，將轉向更富創新性的架構設計，聚焦更具突破性的超級計算芯片架構設計。看似宏大，但對于仍處于爬坡階段的國產 GPU 行業來說，這條路徑實際上相當務實——只有在工程化能力上完成對標甚至是超越，國產 GPU 才有資格進入更大規模的生產環境中。

而在規模化落地階段的競爭，焦點早已從峰值性能指標轉向有效計算能力。當 Token 成為 AI 時代最基本的生產資料，當算力消耗開始對標真實業務產出，無論是國際頂尖 GPU 廠商還是國內 GPU 企業，核心命題都只有一個：如何在真實業務中，把算力轉化為有效的 Token。這似乎又將大家都拉到同一起跑線。

圍繞這一命題，天數智芯提出了兩條明確的架構判斷：其一，回歸計算本質；其二，提供高質量算力。

回歸計算本質，核心在于“不設限”

過去十年，規模的快速擴張帶來了階段性的產業繁榮，也使得算力實現野蠻增長。但這種粗放式發展，也帶來了能效比失衡、算力資源嚴重浪費等問題。背后的根因十分復雜。以開車行駛為例，路途中可能會遇到雨雪冰雹天氣、崎嶇道路等各種復雜情況。物理、芯片、系統世界也是如此，計算、通訊、存儲都會帶來各種障礙。所以，幻想奔跑在平坦的賽道上毫無意義，產業真正需要的，是能夠翻山越嶺的全能越野車。

廣義上，芯片可分為專用芯片和通用芯片：專用芯片類似“應試教育”，它的優勢和邊界都很清晰，能加速特定算法、特定指令，比如矩陣乘法、Softmax 這些主流任務，但一旦計算范式發生變化，適應空間就會迅速收緊；通用芯片的設計哲學，不是為了押中某一類算法，而是回歸計算本質，覆蓋更廣泛，甚至全新的計算需求。

這也是天數智芯堅持推出并量產通用 GPU 的根因。在其看來，硬件與算法的關系本來就不應該相互掣肘，算力的僵化不應限制算法的進化，而是通過通用算力為探索未知算法提供一個堅實的底座。

支撐探索未來算法的關鍵，實則就是“不設限”。

基于這一判斷，天數智芯的芯片設計哲學，在計算層面追求的是覆蓋幾乎所有的數學運算圖譜，而非某一類、某一種計算：從 Scalar、Vector、Tensor 到 Cube，支持從高精度科學計算到 AI 精度計算，從 MMA 到 DPX，不管是 AI 的 Attention 機制、前沿的科學計算，還是未來的量子計算相關模擬，天數智芯全都支持。

在執行層面，追求的是更高的算力利用率：大、中、小任務會被精準分配到不同的計算單元中執行，配合高密度的多任務核心設計，算力可以被拆解、調度得更加精細，從而減少算力浪費，提高計算效率。

這種“不設限”的設計哲學，讓天數天樞架構得以實現三大創新，這也是天樞能夠超越英偉達 Hopper 架構的根因：

• TPC BroadCast（計算組廣播機制）設計：不是簡單粗暴地放大帶寬，而是從單位帶寬的使用效率入手，存在相同地址的數據時，芯片內部的 load store 單元不會進行重復、無用的訪問，而是在上游進行 BroadCast，減少不必要的內存訪問次數，從而有效降低訪存功耗，等效提升訪存帶寬，用更小的功耗和面積實現相同的功能。

• Instruction Co-Exec（多指令并行處理系統）設計：在指令執行層面，通過 Instruction Co-Exec 設計實現了多種指令類型的并行執行能力，不僅支持 Tensor Core 與 Vector Core 的并行協同，還將 Exponent 計算、通信等操作一并納入統一調度。在天數 IX-Scheduler 模塊中，通過極低的成本增強了不同指令之間的并行處理能力，無論是 MLA、Engram，還是面向更復雜模型場景的計算需求，都可以在這一并行框架下被同時處理，從而提升整體執行效率。

• Dynamic Warp Scheduling（動態線程組調度系統）設計：隨著 MoE 架構在大模型中被廣泛采用，模型廠商普遍面臨推理效率低等現實挑戰。為提升并行度，微架構層面允許芯片中同時駐留更多 warp，但 warp 的增加也意味著對計算資源的競爭更為激烈。為此，天數智芯首創了 Dynamic Warp Scheduling 機制，通過動態調度讓不同 warp 在資源使用上實現有序協作，避免計算資源閑置，也減少了對同一資源的無序爭搶。

這三項設計的出發點本質上都指向相同的目標：高性能與高效率。數據顯示，這些創新讓天數天樞的效率較當前行業平均水平提升 60%，基于這些效率優勢，實現在 DeepSeek V3 場景平均比 Hopper 架構高約 20% 性能。

從這三項設計中可以看出，天數智芯在架構層面的創新，并不是圍繞某一個具體模型或算子展開，而是試圖打破 GPU 通用范式邊界。天數智芯 AI 與加速計算技術負責人單天逸在接受采訪時表示，在天數智芯提出 Dynamic Warp Scheduling 設計之前，幾乎沒有人從調度機制的角度去思考，還能為 MoE 帶來哪些性能空間。從更深層次意義來看，這類微架構層面的調度和優化，一直是英偉達、AMD 等巨頭保持領先的“內功”，天數智芯在這些單點上的突破，實際上也是國產 GPU 向頂級玩家看齊的重要一步。

提供高質量算力：高效率、可預期、可持續

在天數智芯的架構語境中，回歸計算本質并不是一個抽象的口號，而是實現高質量算力的前提條件。只有當 GPU 從底層開始真正對計算負責，高質量算力才成為可能。基于這一判斷，天數智芯將高質量算力拆解為三個核心維度：高效率、可預期與可持續。

高效率意味著能為客戶創造最優的 TCO（總體擁有成本），節省使用成本；可預期則通過精準的仿真模擬，讓客戶在拿到芯片、部署算力之前，就能清晰預判最終的性能表現，做到所見即所得；可持續指的是從現在主流的 CNN、RNN，到當下火熱的 Transformer，再到未來還未誕生的全新算法，算力始終能無縫適配。

圍繞這三個方向，天數智芯在架構及系統設計上，選擇從多任務并行處理、長上下文 IX-Attention 模塊、IX-SIMU 全棧軟件仿真系統以及 IXAI++ 算力系統多個層面同步推進。這幾項，其實哪個都值得單獨展開探討。

比如，基于“不設限”的設計理念，在當前 PD 分離的架構下，天數智芯的 GPU 不只做計算，還支撐通信、KV 數據傳輸這些關鍵任務，通過打造 Ⅸ 并行任務處理模塊，GPU 能精準調度 KV 傳輸、多路多流、計算與通信等各類任務，讓它們并行不沖突。在真實業務場景中，該模塊成功幫助頭部互聯網客戶實現了端到端 30% 的性能躍升。

為了提高算力可持續性，天數智芯統一了芯片內、外，來構建算力系統，并通過不斷更新的軟件棧和軟件系統，三類庫共同支持和保障多場景的高效運行。其中，AI 庫、通訊庫（ixccl）、加速計算庫是基石，在基石之上，直接支撐各類神經網絡模型 CNN、Transformer、LSTM 與高性能計算的各個領域，并以此提供各類 AI 應用，包括支持 AI4Sci 的相關應用，如蛋白質結構預測（AlphaFold）、醫療影像分析（Clara）、氣候模擬（Earth2）等，以及量子計算的平臺 cudaQ、分子動力學 Gromacs，大規模方程組求解器 HPL 等。

這套算力系統被命名為 IXAI++，寓意為自我迭代，不止于 AI。其最終的目標是，成為一座連接算法創新與物理世界的橋梁，帶領人類科技通往未知探索。

但給業內帶來最多驚喜的，是 IX-Attention 模塊和 IX-SIMU 全棧軟件仿真系統。前者解決的是當前大模型推理中最具代表性的效率難題，后者解決的是企業部署算力系統最頭疼的不可控難題。

在大模型推理場景中，長上下文被普遍認為是最具代表性的效率難題之一。即便是在國際主流 GPU 架構上，Attention 的執行效率依然不高，如果不對其進行針對性優化，首字延遲將明顯偏高，模型響應速度差，推理成本高昂，最終影響大模型在真實業務中的可用性。

圍繞這一痛點，天數智芯設計了 Ⅸ Attention 模塊，從底層對 Attention 的執行路徑進行重構：Attention 底層涉及 exponent、reduce、MMA、atomic 等多類指令與算子，Ⅸ Attention 模塊的核心思路，是將這些分散的組件有機地拼裝到一起，如同指揮一支樂隊一般，確保多種樂器能夠和諧共鳴。

“其中的技術難點在于調度，多種樂器需要同時演奏，任何一個環節拖慢節奏，都會成為整個系統的瓶頸”，單天逸表示，在實際的長上下文推理中，Ⅸ Attention 模塊有效改善了 Attention 的執行效率，帶來了約 20% 的提升。

針對企業部署算力系統最頭疼的不可控難題，天數智芯搭建了IX-SIMU 全棧軟件仿真系統，這套仿真系統的目標，就是零意外、可預期。通過對芯片等硬件與軟件執行策略的聯合仿真，能精準輸出任意模型的性能表現，提升算力在真實場景中的可控性。

單天逸表示，在算力系統的仿真與評估中，最難建模的是指令級別的硬件行為。IX-SIMU 的核心能力在于，能夠對底層指令執行進行精細建模。在實際使用中，用戶只需輸入軟件代碼，IX-SIMU 便會自動整合 GPU、CPU、網卡、PCIe 等硬件組件，匹配網絡拓撲，再結合軟件策略、投機策略、Streaming LLM 策略、前綴匹配等各類策略，最終精準輸出 Deepseek、千問等任意模型的性能表現，實現從單卡到萬卡集群的 “精密擴展”。

圍繞高效率、可預期、可持續三大判斷，天數智芯在算力側從硬件架構到系統設計進行了整體布局，并用未來三代架構路線圖提前回答下一個問題：當算力僵化開始掣肘未來計算，架構層還能怎么演進？

2 決定上限的，最終還是應用和生態

架構代表的其實是下限，決定上限的，最終還是應用和生態。數據顯示，截至 2025 年年底，天數產品已在互聯網、大模型、金融、醫療、教育、交通等超過 20 個行業落地應用，服務客戶數量超過 300 家，并通過軟硬件協同優化，完成 1000+ 次模型部署，讓產品能力真正達到商用級別。

支撐這些場景應用的，早已不是一個產品的能力范疇，而是“產品 + 解決方案” 雙軌模式，這一模式其實與英偉達定位非常相近，聚焦的都是解決方案落地。在大模型深入產業應用的當下，這套組合打法相當務實，畢竟應用落地才是唯一真理，誰能在企業真實業務場景中快速部署、持續穩定運行，誰就能贏得先機。在速度和兼容性上，天數智芯也交出了一份不錯的答卷：國內新的大模型發布當天便能跑通，目前已穩定運行 400 余種模型、數千個已有算子與 100 余種定制算子，數千卡集群穩定運行超 1000 天。

在這次發布會上，天數智芯面向物理 AI 場景落地，一口氣發布了四款邊端算力產品“彤央”系列：包括邊端 AI 算力模組 TY1000、TY1100，以及邊端 AI 算力終端 TY1100_NX、TY1200。 據了解，“彤央”系列產品的標稱算力均為實測稠密算力，覆蓋 100T 到 300T 范圍。數據顯示，在計算機視覺、自然語言處理、DeepSeek 32B 大語言模型、具身智能 VLA 模型及世界模型等多個場景的實測中，彤央 TY1000 的性能全面優于英偉達 AGX Orin。

在發布會中，天數智芯展示了“彤央”系列產品在具身智能、工業智能、商業智能和交通智能四大邊端核心領域的落地應用：具身智能領域，為格藍若機器人提供高算力、低延遲的“大腦”支撐；在工業智能領域，落地園區與產線，推動產線自動化升級；在商業智能領域，瑞幸咖啡數千家門店部署彤央方案，高效處理視頻流、挖掘消費數據價值；在交通智能領域，與“車路云一體化”20 個頭部試點城市合作，驗證車路協同方案。

整體來看，天數智芯走的路線雖然是底層技術自研，但在生態上并非封閉。在生態建設上，天數智芯與硬件廠商、解決方案提供商等多家生態伙伴簽署戰略合作協議，進一步完善國產 AI 算力生態閉環。通過兼容主流開發生態，持續開放底層能力，降低開發者遷移和使用門檻。未來，天數智芯還會持續增加在生態共建上的資本與人力投入，從應用到芯片與開發者一同優化 AI 應用系統，共同為應用落地提供性能、性價比與生態易用的價值。

從底層架構到產品，從應用到生態，國產算力正在實現完整閉環，這種從芯片到生態的協同能力，不僅讓國產算力更可用、更可持續，也為行業探索新模式提供了更多想象空間。